SAR原始数据压缩的快速矢量量化器

回顾了矢量量化的各种快速算法,指出其在应用到SAR原始数据压缩中的局限性。为了将矢量量化应用到SAR原始数据实时压缩,提出一种基于查表的矢量量化器的设计方案,其中整合了其他的矢量量化算法。最后用各种快速算法以及BAQ算法进行了对实际数据压缩的实验比较,证明本算法在不降低量化速度的基础上,提高了原始数据量化信噪比。     

SAR原始数据的频域量化编码方法研究

对SAR原始数据时域中的统计特性进行分析的基础上,对原始数据在频域中的特性进行了具体分析,分析的结果认为SAR原始数据在时域和频域中的特性相一致,从而提出了频域中采用块自适应量化编码的方法,文中对该方法进行了深入讨论,同时在文中还介绍了利用该方法对SAR原始数据进行压缩处理的实验结果,由实验结果可以看出,在频域中实现SAR原始数据的压缩同样也能得到良好的效果。     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

块自适应预测量化算法压缩SAR原始数据

分析了使用块自适应预测量化(block adaptive predictive quantization,BAPQ)算法压缩SAR原始数据,分别讨论了使用均匀量化器、Lloyd-Max量化器及阈值量化器时,BAPQ算法的性能情况。提出的使用阈值量化器量化输入信号与预测信号差值信号的算法,可以充分利用差值信号接近零值个数增多以及阈值量化器量化高斯分布信号性能更优的特点,增加压缩系统的性能。通过进一步分析BAPQ算法的复杂度,认为BAPQ算法在低编码比特率条件下是算法性能与算法复杂度之间较好的折中,能适应现代SAR系统数据压缩的需求。     

卫星图像的格矢量量化编码压缩方法研究

卫星图像是一个种高熵值图像,本文针对卫星图像研究了格矢量量化编码压缩方法,分析了格矢量量化特性,并列举了几种格。实验结果表明,格矢量量化编码压缩方法失真小,计算量少,比较适用于卫星图像编码压缩。     

改进的SOFM及其在矢量量化中的应用

根据等失真(Equidistortion)理论提出了一种基于改进的自组织特征映射(SOFM)神经网络的矢量量化方法,该算法将失真敏感机制引入神经网络的竞争学习过程。通过调整码字的部分失真来指导神经网络的学习,以使得所设计的码书平均失真最小。同时把矢量量化应用于图像的小波变换域,根据图像小波变换高频系数的空间分布特点来组织码书,从而进一步提高码书的质量和适应性。通过实验对算法的性能进行了分析,证明了算法的有效性。     

基于FFT BAQ的SAR原始数据压缩新算法

针对合成孔径雷达(synthetic aperture radar, SAR)原始数据频域压缩运算中基于快速傅里叶变换的分块自适应量化(fast Fourier transform based block adaptive quantization, FFT BAQ)算法实现复杂的问题,分析了SAR原始数据二维傅里叶变换后数据的能量分布情况。从香农率失真理论出发,利用信源微分熵确定最优的量化比特分配,提出了一种改进的FFT BAQ算法。分析了改进算法的复杂度,并与传统的FFT BAQ算法和BAQ算法做了相应的比较实验。实验表明,改进算法在保证原压缩性能的基础上降低了FFT BAQ算法的复杂度和对硬件的要求。     

一种快速模拟退火矢量量化图像编码算法

模拟退火是解决全局优化问题的随机搜索技术,它在工程领域有着广泛应用。将模拟退火技术与LBG算法有机结合,通过对LBG算法中的空胞腔码书进行适当处理,并设置适当参数使LBG与模拟退火交替进行,提出了一种快速模拟退火矢量量化图像编码算法,以降低计算量和进一步提高码书性能。实验结果表明,算法具有对初始码书选取依赖性小、不容易陷入局部极小、收敛速度快等优点。与随机竞争学习矢量量化及进化模拟退火矢量量化算法相比,峰值信噪比改善超过0.6dB。     

混合神经网络矢量量化的设计与实现

本文设计了一种混合神经网络矢量量化编码方法,利用Kohonen网络的自组织聚类功能设计矢量量化器码书,实现矢量量化,用三层BP网络完成码字的信道符号编码.该神经网络矢量量化编码器能够并行处理输入矢量,速度快,效率高,适用于语音和图像数据压缩.     

基于混合学习矢量量化算法的遥感影像分类

在分析了Kohonen自组织特征映射网络(SOFM)和学习矢量量化(LVQ)算法的基础上,提出一种基于改进的SOFM算法和LVQ2算法的混合学习矢量量化(HLVQ)方法,并建立了基于HLVQ的遥感影像非监督和监督分类的一般模型。通过与传统的统计分类方法和LVQ2网络分类器比较,HLVQ分类器总的分类性能更好、识别率更高。     

正交小波基在SAR的多普勒参数求取中的应用

在合成孔径雷达技术中 ,对于多普勒参数的估计 ,即多普勒质心 fdc 和多普勒频率变化率fdr 的估计是非常重要的。提出了一种采用频谱支集紧小波基的计算信号瞬时参数的快速局部算法 ,且这种方法有良好的抗噪能力 ,在求取多普勒质心和多普勒频率变化率中取得了较为满意的效果。     

CTZ在聚束SAR极坐标格式成像算法中的应用

在高分辨率机载聚束模式合成孔径雷达SpotlightSAR(syntheticapertureradar)的成像算法中 ,极坐标格式成像算法是目前应用最广的一种 ,但由于这种算法需要在空间频率域进行从极坐标分布到直角坐标的二维插值过程 ,因此计算量很大。对如何将CZT(ChirpZ变换 )用于该算法进行了详细研究。应用CZT的好处是在方位向的处理上可以减少很多计算量。在给出了具体的实现过程和计算量分析的同时 ,利用E SAR实际数据对所述方法进行了验证 ,其结果对具体的SAR处理机设计具有一定的参考价值。     

机载SAR数据的成像研究

对某型实测机载合成孔径雷达 (SAR)数据的特性进行了分析 ,针对实测数据方位孔径的不完全性 ,且具有较大几何形变和距离徙动的特点 ,提出了一种基于CS(ChirpScaling)操作与Dechirp技术相融合的成像处理算法 ,它不须单独进行几何形变校正 ,而是利用CS操作既完成几何形变校正又完成距离徙动校正 ,针对方位孔径的不完全性 ,方位聚焦采用谱分析的Dechirp技术 ,该方法适用于对部分孔径的数据进行成像处理 ,并与常用的基于谱分析的Dechirp快视成像处理算法进行了比较。     

矢量量化实现面向图像的调色板设计

本文用基于神经网络的矢量量化方法实现面向图像的调色板设计。以均匀颜色空间的距离作失真测度，以矢量量化的码书设置颜色寄存的颜色值。实验证明，效果令人满意。     

SAR图像中桥梁的识别方法研究

提出了一种能够从复杂背景的SAR图像中识别出桥梁的方法。该方法首先对SAR图像进行预处理,增强了下一步对目标的识别效果,然后在此基础上针对桥梁的特点,顺序进行方向比值和双边参数的处理,即可得到良好的识别效果。     

机载合成孔径雷达成像算法研究

首先建立了机载合成孔径雷达回波信号的理论模型,阐述了SAR成像的基本原理,分析了目标与雷达之间的相对运动对成像的影响.然后对各种机载SAR成像处理算法进行了讨论和比较,包括标准的距离-多普勒(R-D)算法、改进的R-D算法、标准Chirp-Scaling(C-S)算法、扩展C-S算法和非线性C-S算法.分析表明,C-S算法以较小的运算量取得了较好的斜视情况下的性能,已取代R-D算法成为机载SAR成像的标准算法.最后指出了机载SAR成像算法今后的发展方向.     

一种新的基于Kohonen网络的图像矢量量化

矢量量化是一种重要的数据压缩方法.本文利用Kohonen自组织映射神经网络进行矢量量化,首次较为详细地讨论了具体实现的步骤与细节,并在此基础上为改善边缘质量,提出一种基于Laplas算子检测边缘弓引导神经网络训练的方法,并通过实验证明其效果是明显的.